Automatización de técnicas de división por importancia para la simulación de eventos raros

Existen muchas técnicas para estudiar y verificar descripciones formales de sistemas probabilistas. La simulación de Monte Carlo por eventos discretos ofrece una alternativa para la generalidad de procesos estocásticos descriptos como autómatas. Cuando los valores a estimar dependen de la ocurrencia...

Full description

Bibliographic Details
Main Author: Budde, Carlos Esteban
Other Authors: D'Argenio, Pedro Ruben
Format: doctoralThesis
Language:spa
Published: 2018
Subjects:
Online Access:http://hdl.handle.net/11086/5846
Description
Summary:Existen muchas técnicas para estudiar y verificar descripciones formales de sistemas probabilistas. La simulación de Monte Carlo por eventos discretos ofrece una alternativa para la generalidad de procesos estocásticos descriptos como autómatas. Cuando los valores a estimar dependen de la ocurrencia de eventos raros cuya presencia en una traza es muy poco probable, la cantidad de simulación requerida puede ser inviable. La división por importancia es un método de simulación especializado para atacar estas situaciones, pero requiere de una función de importancia. La eficiencia del método depende esencialmente de la definición no trivial de dicha función, que típicamente se realiza ad hoc. En esta tesis presentamos técnicas automáticas para derivar la función de importancia, basadas en una descripción formal de un proceso estocástico general y de la propiedad a estimar. Se presentan también resultados experimentales sobre casos de estudios tomados de la bibliografía en simulación de eventos raros, obtenidos con herramientas de software públicamente disponibles, implementadas en esta tesis para tal fin.